不需要，因为节点之间的数据传输和ssh没有关系了，那个版本都好装，你不会编译就找别人编译好的，会就自己编译一个再装，给你一个hadoop源码编译教程参考一下http://hainiubl.com/topics/82

可以使用sqoop或者把表export成文件再上传到hdfs上，flume也能做方式很多，最方便的是直接导出文件的形式上传因为这样你不用安装其他的任何工具

看日志你需要启动yarn的proxyserver服务
如果是看mr任务的日志你还需要启动historyserver服务

@水墨之风 目前来看，我还是建议把算好的数据放到mysql中的方式，目前的大数据解决方案对大量的数据查询速度都达不到从关系数据库中直接查询的速度。

如果数据量小的话可以，数据量大的话那用户等待时间长，就体验太差了。用户的忍耐度有一个3秒定论。当然如果是企业内部使用的话，即使用spark去查太大的数据量。也会有较长的等待时间，自己内部员工使用还凑合，不过要是你领导使用的话那他就不干了。:joy:

@歌唱祖国 恩，有的时候不是文件是乱码的，而是打开的方式使用的编码不对让人觉得文件乱码了。

@歌唱祖国 那就用软件看一下文件的编码比如notepad++

@ling775000 不同的解决方案而已，用MemcacheDB的地方也可以用hbase替代，但对比redis。对大数据的操作更友好，比如读取和写入。技术都有替代品而不是非得用那个，选择自己适合自己场景的。

需要：大缓存、KV存储并实时查询、要求可动态扩展，简单的说是需要nosql的场景，再简单的讲你可以理解成一个不受内存限制的大map

@歌唱祖国 去控制台上用vim查看一下文件的编码吧，在vim中使用命令:set fileencoding

@歌唱祖国 先让CVS不乱码，转换成excel的时候再调使用转换工具输出的编码

@歌唱祖国 我的意思是你导出csv再转成excel

@歌唱祖国 csv不就能用excel打开吗？你导出csv不就行了吗？
如果非要转换的话你可以看看python的xlrd和csv模块，写个python脚本直接调用就可以当命令去使用的，不过数据太大速度也不会快

join时小表使用map端join，当然现在新版的hive都是自动开启的
多使用子查询
分区表必须指定分区
数据格式使用ORC格式
查询小文件时使每个map读多个文件，避免产生过多的map
可以使用桶表做查询文件的限制
可以给无修改数据的hive表创建所引
使用窗口函数进可适用增加map或reducer的内存
mapper输出必须开启压缩
shuffle数据倾斜时使用随机key前缀均衡倾斜的key，当然对于数据倾斜最好的方案还是让被查询的表不倾斜。

暂时想到这么多，当然以上都是针对mapreducer计算引擎的。
hive on spark最主要是GC调优，shuffle的优化等等

先去服务器上执行hive的命令看看导出的文件是不是乱码，hive默认导出的文件都是UTF-8的。